IBM SPSS Statistics的重复测量方差分析，为重复测量的数据提供了单变量与多变量的方差分析，其分析的是多次测量数据之间存在的相关关系，与单因素或多元素方差分析不同的是，其不同测量数据之间不是独立的，存在一定相关性。
重复测量方差分析与分析测试前后数据方法相似，但需要注意的是重复测量方差分析要求使用3个或以上的测试次数。接下来，我们使用一个实际的操作例子演示一下SPSS的重复测量方差分析。
一、使用数据介绍
如图1所示，打开一组包含门店编码以及三组销售量的数据，需要注意的是，重复测量方差分析使用的是变量组的数据。
图1：示例数据
为了让三组销售量的数据含义更加清晰，可以打开变量视图，并在其标签处输入相关的备注，表明三组数据分别代表的是1-3月份的销售量。
图2：变量标签
二、应用重复测量方差分析
接着，依次单击SPSS的分析——一般线性模型——重复测量，来开启重复测量设置面板。
图3：重复测量分析
1.定义因子
如图4所示，主体内因子指的是对重复测量的，具有相关性的变量进行分组。由于本文进行的是单变量的重复测量分析，因此只需添加一个“月份”的主体内因子，并将其级别数指定为“3”。
如果进行的是多变量的重复测量方差分析，就要注意添加的因子顺序，每个因子都构成前一个因子内的一个水平。比如，先添加了一个月份的因子，然后再添加一个年份（如2019、2020）的因子，就会出现“2020年月份1”、“2020年月份2”、“2020年月份3”三个因子。
图4：定义主体内因子
完成了主体内因子的添加后，再添加重复测量的变量名称，本例中测量的是“销售量”，在测量名称中输入“销售量”，并点击“添加”即可。
图5：定义测量名称
2.选择变量
定义了因子后，软件自动跳转到重复测量设置界面。
如图4所示，右侧主体内变量已经出现了刚才定义的因子，接下来，需要将变量与定义的因子对应，选中三组重复测量变量（1-3月份销售量），将其添加到右侧方框中。
图6：选择变量
添加完毕后，如图7所示，即可将变量与定义的因子一一对应。接着，单击“图”选项，设置轮廓图。
图7：选取主体内变量
3.轮廓图
在轮廓图设置面板中，将月份添加为水平轴，以观察不同月份的销量边际平均值。
图8：添加月份
将“月份”添加到图选项后，选择“折线图”作为轮廓图。
图9：月份折线图
4.估算边际平均值
接着，打开估算边际平均值面板，将月份添加到右侧方框中，以观察不同月份的相关关系。
图10：估算边际平均值
5.选项设置
由于本例中不包含主体间因子，仅包含主体间变量，因此不作齐性检验，仅选择“描述统计”作为数据参考。
图11：选项设置
三、小结
综上所述，IBM SPSS Statistics重复测量方差分析，衡量的是多次测量值之间的关系，比较的是不同时间点的动态变化趋势，其分析重点是测量值之间的相关关系。
由于重复测量方差分析，需满足因变量的方差协方差矩阵相等，也就是球形假设。因此，在解读数据的时候，需查看球形假设的检验结果。关于重复测量方差分析结果的详细解读，请参考IBM SPSS Statistics中文网站中的《解读SPSS重复测量方差分析的检验结果》文章。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/178743.html原文链接：https://javaforall.net
![算数平均数、中位数、众数和几何平均数[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
